[发明专利]一种个人消费行为预测方法

说明书

本发明公开了一种个人消费行为预测方法，首先分析和提取了个人消费行为特征以及影响消费的因素。同时本发明基于影响消费行为因素的多样性，结合灰色系统模型构建多因素的灰色关联度模型，计算不同影响因素的重要性，并选择影响消费行为的主要因素，可以充分考虑多样的消费行为影响因素，解决漏维度的问题；另一方面，本发明综合使用了神经网络和RFM模型匹配的方法，提高了个人消费行为预测的普适性，解决了跨行业个人消费行为预测的误差大的问题。

技术领域

本发明属于分析预测领域，具体涉及一种个人消费行为预测方法。

背景技术

以往，在对消费者个人消费行为进行研究时，更关注的是消费者行为本身，通过问卷调查、个人访问等形式，实现人口统计学资料、消费意向等信息的采集，从而应用于研究分析消费者的个人消费行为；随着大数据时代的发展，网络平台样式和消费者的个人消费行为出现一定的变化，呈现出更加多元化的趋势，传统的对于消费者消费行为的研究方式无法满足当前消费者消费习惯的变化要求，从而无法成为未来消费者消费行为预测的重要突破口。

发明内容

为解决上述问题，本发明提出了一种个人消费行为预测方法，其主要步骤包括：

S1.根据消费者为满足个人需求而购买商品行为的特征，分析消费者消费行为特征及影响消费者消费行为的主要因素；

S2.基于影响消费行为因素的多样性，结合灰色系统模型构建多因素的灰色关联度模型，计算不同影响因素的重要性，并选择影响消费行为的主要因素；

S3.结合影响个人消费行为因素的重要程度，基于多隐层BP神经网络，建立个人消费行为预测模型，进行个人消费行为的预测；

S4.根据样本数据的数量和质量，结合基于RFM模型和灰色模型的消费行为预测方法综合匹配，采用合理的方法，有效完成个人消费行为的预测。

本发明的技术方案至少具有以下有益效果：

本申请的技术方案首先分析和提取了个人消费行为特征以及影响消费的因素，同时基于影响消费行为因素的多样性，结合灰色系统模型构建多因素的灰色关联度模型，计算不同影响因素的重要性，并选择影响消费行为的主要因素，充分考虑多样的消费行为影响因素，解决漏维度的问题。另一方面，综合使用了神经网络和RFM模型匹配的方法，提高了个人消费行为预测的普适性，解决了跨行业个人消费行为预测的误差大的问题。

附图说明

图1影响个人消费行为因素模型；

图2个人消费行为预测网络模型；

图3基于RFM模型的消费行为变化模式。

具体实施方式

以下结合附图及实施例对本发明技术方案进行详细叙述：

本发明为一种个人消费行为预测方法，其主要步骤包括：

步骤S1.根据消费者为满足个人需求而购买商品行为的特征，分析消费者消费行为特征及影响消费者消费行为的主要因素，具体包括以下内容：

(1)根据消费者为满足个人需求而购买商品行为的特征，划分消费者消费行为类型；根据消费者在各种购物平台的浏览和购买记录以及其他各种形式的消费记录，消费者在购买商品时的态度、意愿和购买后的行为等各方面的信息，可知个人消费行为的大致类型主要分为复杂型消费行为、协调型消费行为、广泛选择型消费行为和习惯型消费行为。其中，

①复杂型消费行为是指当消费者面对不常购买的贵重物品时，由于产品品牌差异大，购买风险大，消费者需要一个学习过程，广泛了解产品的性能、特点，从而对产品产生某种看法，最后决定购买的消费者消费行为类型。